如何在DataFrame中当A列为NULL时将B列设为NULL？

这是个很常见的数据清洗需求，用Pandas可以轻松实现，下面给你几种实用的方法，你可以根据自己的习惯选择：

方法1：使用loc直接定位赋值（最直观） #

这种方法通过布尔索引定位到A列为空的行，然后直接将对应B列的值设为NaN（Pandas中代表NULL）：

import pandas as pd
import numpy as np

# 创建示例DataFrame
df = pd.DataFrame({
    'A': [np.nan, 3, 5, np.nan],
    'B': [1, 4, 3, 2],
    'C': [2, 3, 1, 6]
})

# 核心处理代码
df.loc[df['A'].isnull(), 'B'] = np.nan

方法2：使用where函数（向量化操作） #

where会保留满足条件的原始值，不满足的替换为指定值。这里我们保留A列不为空时的B值，否则替换为NaN：

df['B'] = df['B'].where(df['A'].notnull(), np.nan)

方法3：使用mask函数（和where逻辑相反） #

mask的逻辑是满足条件时替换值，刚好和where相反，这里当A列为空时，把B列替换为NaN：

df['B'] = df['B'].mask(df['A'].isnull(), np.nan)

处理后的结果 #

执行任意一种方法后，打印DataFrame都会得到你期望的结果：

A    B  C
0  NaN  NaN  2
1  3.0  4.0  3
2  5.0  3.0  1
3  NaN  NaN  6

这些方法都是Pandas的向量化操作，处理大规模数据时效率很高，比逐行循环处理快得多。

内容的提问来源于stack exchange，提问作者summersmd